Pengertian UJI ASUMSI KLASIK, Cara, dan Macam - Macamnya dalam Regresi - GALINESIA
Menurut Qudratullah (2013), pengujian regresi berganda dengan variabel bebas dan variabel tidak bebas (terikat) dapat mengalami kesalahan dan penyimpangan dalam analisis. Asumsi klasik adalah syarat - syarat yang harus di penuhi dalam analisis regresi. Terdapat beberapa penyimpangan yang biasa di temui dalam analisis regresi berganda, khususnya dalam ekonometri. Penyimpangan tersebut antara lain :


a.Multikoliniearitas

Mnurut Gujarati (2003), multikolinearitas menandakan bahwa terdapat hubungan linear (korelasi) yang sempurna atau pasti, diantara beberapa atau semua variabel yang menjelaskan dari model regresi. Model regresi yang baik seharusnya tidak terjadi hubungan linear diantara variabel independen. Menurut Rosadi (2011), Jika terjadi korelasi yang kuat di antara variabel independen, masalah multikolinearitas akan muncul. jika terjadi kolinearitas estimiasi dari koefisiensi menjadi tidak valid. Salah satu ukuran yang paling populer untuk melihat adanya multikolinieritas antar variabel independen adalah variance Inflation factor (VIF) atau tolerence / TOL (1/VIF). Regresi yang bebas multikolinearitas miliki nilai VIF di sekitar satu atau TOL mendekati satu. Untuk satu variabel independen, nilai VIF >10 berarti terjadi kolinearitas yang kuat antar variabel independen.

b.Heteroskedastisitas

Menurut Rosadi (2011), Uji heteroskedastisitas digunakan untuk menguji apakah variansi bersifat galat atau konstan (homoskedastis) atau berubah – rubah (heteroskedastis). Apabila tersjadi heteroskedastisitas, estimiator OLS tidak bersifat BLUE, tetapi hanya LUE. Dengan demikian, nilai galat standar (standart eror) dari koefisien hasil estimasi yang di peroleh dengan metode OLS tidak akurat.
Adapun cara untuk mendeteksi ada atau tidaknya heteroskedastisitas menurut Sunyoto (2011), adalah dengan cara melihat hasil output spss melalui grafik scatterplot antara Z prediction (ZPRED) yang merupkan variabel bebas (sumbu X = Y hasil prediksi) dan nilai residualnya (SRESID) merupakan variabel terikat (sumbu Y = Y preiksi  - Y riil). Homoskedastisitas terjadi jika pada scatter plot titik – titik hasil pengolahan data antara ZPRED dan SRESID menyebar di bawah atau di atas titik origin (angka 0) pada sumbu Y dan tidak mempunyai pola yang teratur. Heteroskedastisitas terjadi jika pada scatterplot titik – titiknya mempunyai pola yang tertentu, baik menyempit, melebar, maupun bergelombang-gelombang.

c.Normalitas

Menurut Sunyoto (2011), uji asumsi klasik normalitas akan menguji data veriabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan, apakah berdistribusi normal atau berdistribusi tidak normal. Persamaan regresi yang baik apabila memiliki data variabel bebas dan variabel terikat yang berdistribusi mendekati normal atau normal sama sekali. Uji asumsi klasik normalitas salah satunya adalah dengan grafuk histrogram dan normal probability plots.
Cara grafik histogram dalam menentukan suatu data berdisribusi normal atau tidak, cukup membandingkan antara data riil/nyata dengan garis kurva yang terbentuk, apakah mendekati nomal atau normal sama sekali. Jika data riil membentuk garis kurva yang cenderung tidak simetris, maka dapat dikatakan data berdistribusi tidak normal. Cara normal probability plots lebih handal dari pada cara grafik histogram. Hal tersebut dikarenakan cara ini membandingkan data rill dengan data distribusi normal (otomatis oleh komputer) secara komulatif. Suatu data dapat dikatakan berdistribusi normal jika garis data riil mengikuti garis diagonal.

d.Autokorelasi

Menurut Sunyoto (2011), persamaan regresi yang baik adalah yang tidak memiliki masalah autokorelasi. Jik terjadi autokorelasi maka persamaan tersebut menjadi tidak baik atau tidak layak untuk digunakan dalam prediksi. Masalah autokorelasi baru timbul jika ada korelasi secara linier antara kesalahan penggangu periode t (berada) dan kesalahan pengganggu periode t-1 (sebelumnya).
Menurut Santoso (2000), tujuan uji autokorelasi adalah untuk mengetahui apakah dalam suatu model regresi linear ada korelasi antara kesalahan  pengganggu dengan kesalahan sebelumnya. Apabila hal ini terjadi maka terdapat masalah autokorelasi. Adapun kritik pengujiannya adalah jika du < d < 4–du  maka Ho ditolak yang berarti tidak ada autokorelasi baik positif maupun negatif. Untuk mengetahui ketepatan model regresi sampel dalam menaksir nilai aktualnya dapat diukur dari goodness of fitnya. goodness of fit dalam model regresi dapat diukur dari nilai koefisien determinasi, nilai statistik F, dan uji statistik t.

Sumber : 
Qudratullah, M.F. Analisis Regresi Terapan (Teori, Contoh Kasus, dan Aplikasi dengan Spss). Yogyakarta; Andi Offset.
Gujarati, Damodar. 1978. Basic Econometrics. McGraw-Hill, Inc. Terjemah oleh Zain, S. Ekonometrika Dasar. Jakarta: Erlangga. 
Santoso, S. 2000. Buku Latihan SPSS Statistik Parametrik. Elex Media Komputindo. Jakarta
Sunyoto, Danang. 2011. Analisis Regresi dan Uji Hipotesis. Yogyakarta: CAPS.
Rosadi, Dedi. 2011. Analisis Ekonometrika & Runtun Waktu Terapan dengan R. Yogyakarta; ANDI.

1 Komentar

Posting Komentar